一种光通信信号损伤因素识别方法及系统技术方案

本发明专利技术公开了一种光通信信号损伤因素识别方法及系统，属于光通信技术领域，包括：将原始光谱信号S输入至由正常样本训练好的卷积自编码器，得到重构光谱信号S'；若S与S'间的差异小于第一阈值，则判定无损伤；否则，将S输入至已训练好的基于卷积神经网络的多标签学习模型，得到损伤识别结果；基于卷积神经网络的多标签学习模型包括：多标签学习模块，用于生成个标签集，标签集表示从f个损伤类别中选取的k个损伤类别；以及多任务卷积神经网络模型，其提取光谱信号特征图后，利用个与标签集一一对应的分类子网络进行分类，并通过分类结果融合和阈值判定得到损伤识别结果。本发明专利技术能够在异常样本量有限的情况下实现光信号的多损伤同时识别。

【技术实现步骤摘要】

本专利技术属于光通信，更具体地，涉及一种光通信系统中光信号多损伤因素识别方法及系统。

技术介绍

1、随着云计算等技术相继出现，用户对信息传输速率和容量的要求快速增加，光通信系统部署越来越广泛。由于网络架构愈加庞大、复杂和灵活多变，光信号更容易受到损伤的影响，对损伤因素进行监测有助于保障光通信系统的平稳运行。

2、现有方法往往借助机器学习模型实现光信号的损伤识别，模型训练依赖于正常样本和异常样本，其中，正常样本为无损伤或者损伤程度在正常范围内波动的光信号，异常样本为损伤程度较大的光信号。期刊文献1(shariati b,ruiz m,comellas j,etal.learning from the optical spectrum:failure detection andidentification.journal of lightwave technology,2019,37(2):433-439)基于光谱和支持向量机(svm)算法，在异常样本充足的情况下，实现单一损伤的识别。会议文献2(shul,yu z,wan z,et al.dual本文档来自技高网...

【技术保护点】

1.一种光通信信号损伤因素识别方法，其特征在于，包括：

2.如权利要求1所述的光通信信号损伤因素识别方法，其特征在于，所述融合模块融合所述个分类子网络的分类结果的方式包括：

3.如权利要求1所述的光通信信号损伤因素识别方法，其特征在于，所述共享层包括：顺序连接的z个卷积池化对；

4.如权利要求3所述的光通信信号损伤因素识别方法，其特征在于，所述分类子网络包括m个卷积层、n个池化层和1个全连接层；

5.如权利要求1～4任一项所述的光通信信号损伤因素识别方法，其特征在于，所述卷积自编码器包括编码器和解码器；

6.如权利要求1～5任一...

【技术特征摘要】

1.一种光通信信号损伤因素识别方法，其特征在于，包括：

2.如权利要求1所述的光通信信号损伤因素识别方法，其特征在于，所述融合模块融合所述个分类子网络的分类结果的方式包括：

3.如权利要求1所述的光通信信号损伤因素识别方法，其特征在于，所述共享层包括：顺序连接的z个卷积池化对；

4.如权利要求3所述的光通信信号损伤因素识别方法，其特征在于，所述分类子网络包括m个卷积层、n个池化层和1个全连接层；

5.如权利要求...

【专利技术属性】
技术研发人员：柯昌剑，张育铭，吕彦君，杨宇，梁滋，刘德明，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：